هوش مصنوعی
پژوهشگران از فرادستور عصبی‌ـ‌نمادین برای مدیریت حافظه در یادگیری تقویتی رونمایی کردند
روش پیشنهادی در هر گام انتخاب می‌کند چه حافظه‌ای نگه داشته، بازیابی یا فراموش شود؛ اما اجرای تصمیم‌ها همچنان نمادین است.
پیش‌چاپی در arXiv روشی برای مدیریت حافظه در یادگیری تقویتی با مشاهده‌پذیری ناقص معرفی می‌کند؛ مسئله‌ای که در آن عامل باید در گذر زمان تصمیم بگیرد چه اطلاعاتی را نگه دارد، بازیابی کند یا کنار بگذارد. این روش یک فرادستور عصبی‌ـ‌نمادین می‌آموزد که در هر نقطهٔ تصمیم، کدام قاعدهٔ نمادین حافظه را به کار بگیرد، در حالی که اجرای آن نمادین باقی می‌ماند.
در محیط RoomKG، حالت پنهان و مشاهده‌ها به شکل گراف‌های RDF بازنمایی می‌شوند و یادداشت‌های زمانی به سه‌تایی‌های RDF حافظه افزوده می‌شوند. مدل، کدگذاری محتوای حافظه در گراف دانش را با سرهای ارزش برای پاسخ‌گویی به پرسش‌ها، کاوش و فراموش‌کردن ترکیب می‌کند. به گفتهٔ چکیده، این طراحی کنترل‌گری سازگار و در عین حال قابل‌بررسی فراهم می‌آورد و پژوهش را به فناوری وب معنایی پیوند می‌دهد.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده